انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220Design, Fabrication and Evaluation of an Eye Tracker to Help Disabled People to Communicate with Computerطراحی، ساخت و ارزیابی یک ردیاب چشم جهت توانبخشی معلولان حرکتی در برقراری ارتباط با کامپیوتر2672781319510.22041/ijbme.2011.13195FAدیاکو مردانبگیدانشجوی کارشناسی ارشد، گروه بیومکانیک، دانشکدۀ مهندسی مکانیک، دانشگاه علم و صنعت ایرانمحمدرضا ملاکزادهاستادیار، گروه بیومکانیک، دانشکدۀ مهندسی مکانیک، دانشگاه علم و صنعت ایرانJournal Article20150616This paper investigates prototyping an online, low-cost, video based and applicable eye tracker, which is called "Dias Eye Tracker". Disabled people can use the proposed system to communicate with computer. What have made the system different from the other low-cost eye trackers, are the accuracy of gaze estimation, the different application parts of the software and the lightweight wireless hardware, which can be mounted on the user’s head. This paper introduces the software/hardware and the methods of the system. In addition, two methods of pupil tracking have been compared together, and an uncertainty analysis on the mapping function of the system has been done. The performance of the designed eye tracker has been evaluated by analyzing the answers to the three questionnaires, which were filled by disabled people after performing three specific tasks. The results show that the system performs well for interaction with computer.در این مقاله به ساخت یک ردیاب حرکات چشم با ویژگیهای تصویـری، بیدرنگ، ارزان و در عین حال کاربردی با نام Dias Eye Tracker اشـاره میشود. این سیستم برقراری ارتباط معلولان با رایانه را بهبود میبخشد. آنچه سیستم مذکور را نسبت به سایر ردیابهای تحقیقاتی و ارزان قیمت مخصوص چشم متمایز ساخته، دقت در تشخیص نقطة دید، تنوع بخشهای کاربردی نرمافزار و همچنین سختافزارِ سبک و بیسیم آن با قابلیت نصب بر روی سر است. در مقالة حاضر روشهای استفاده شده در سیستم و همچنین نرم افزار و سخت افزار آن، معرفی شده است. همچنین دو روش استفاده شده برای ردیابی مردمک با یکدیگر مقایسه شده، عدم قطعیت بر روی نگاشتِ بکار رفته در این سیستم نیز تحلیل شده است. عملکرد این ردیاب چشم برای معلولان، با کمک سه پرسشنامه و بررسی پاسخهای افراد پس از اجرای سه فعالیت بخصوص با دستگاه، ارزیابی شده است. نتایج این ارزیابی عملکرد خوب این سیستم را در کمک به برقراری ارتباط با کامپیوتر نشان میدهد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220Patient Independent Heart Beat Classification using Reconstructed Phase Spaceطبقهبندی مستقل از بیمار ضربان قلب با استفاده از روش بازسازی فضای فاز2792921319610.22041/ijbme.2011.13196FAایثار نژادقلیدانشجوی دکتری، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرمحمدحسن مرادیدانشیار دانشکده مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرفاطمه عبدالعلیدانشجوی کارشناسی ارشد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرJournal Article20150616Many methods for automatic heartbeat classification have been applied and reported in literature, but relatively little number of them concerned with patient independent classification because of the less significant results compared to patient dependent ones. In this work, Reconstructed Phase Space (RPS) theory is used to classify five heartbeat types (Normal, PVC, LBBB, RBBB and PB). In the first and second method, RPS is modeled by the Gaussian mixture model (GMM) and bins, respectively and then classified by classic Bayesian classifier. In the third method, RPS is directly used to train predictor time-delayed neural networks (TDNN) and classified based on minimum prediction error. All three methods highly outperform the results reported before for patient independent heartbeat classification. The best result is achieved using GMM-Bayes method with 92.5% accuracy for patient independent classification.تاکنون از روشهای بسیاری برای طبقهبندی خودکار ضربان قلب استفاده شده است؛ اما تعداد بسیار اندکی از این روشها در طبقهبندی مستقل از بیمار کارایی مناسبی داشتهاند. در این مقاله، تئوری بازسازی فضای فاز برای طبقهبندی پنج نوع ضربان قلب (طبیعی، PVC، LBBB، RBBB و PB) در حالت مستقل از بیمار به کار رفته است. در روش اول و دوم ابتدا فضای فاز به دست آمده، مدلسازی شده و سپس با کمک طبقهبند بیزین کلاسیک، طبقهبندی انجام شده است. در روش اول مدل ترکیبی گوسین و و در روش دوم مدل بین به کار رفته است. در روش سوم، از بازسازی فضای فاز مستقیماً برای تعلیم تخمینزنندة شبکه عصبی با تأخیر زمانی استفاده شده؛ سپس طبقهبندی بر مبنای کمینه خطای پیشبینی، انجام شده است. نتایج هر سه روش در مقایسه با سایر روشهای طبقهبندی مستقل از بیمار بهبود قابل توجهی داشته است. بهترین نتایج مربوط به روش اول است که صحت طبقهبندی 5/92% در حالت مستقل از بیمار را نشان میدهد. انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220Development of P300 detection by Combination of Time, Frequency and Spatial Feature Extraction Methodsبهبود آشکارسازی مؤلفة P300 با استفاده از تلفیق روشهای مختلف زمانی، فرکانسی و مکانیِ استخراج ویژگی2933061319810.22041/ijbme.2011.13198FAزهرا امینیدانشآموخته کارشناسی ارشد، دانشگاه یزدوحید ابوطالبیاستادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد0000-0003-3163-6653محمدتقی صادقیاستادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزدJournal Article20150616The aim of this paper is to design a pattern recognition based system to detect P300 component in multi-channel electroencephalogram (EEG) trials. This system has two main blocks, feature extraction and classification. In feature extraction block, in addition to conventional features namely morphological, frequency and wavelet features, some new features included intelligent segmentation, common spatial pattern (CSP) and combined features (CSP + Segmentation) have also been used. Three criteria were used for evaluation and selection of a feature set by choosing a subset of the original features that contains most of essential information. Firstly, a statistical analysis has been applied for evaluating the fitness of each feature in discriminating between target and non target signals. Secondly, each of these six groups of features was evaluated by a Linear Discriminant Analysis (LDA) classifier. Furthermore by using Stepwise Linear Discriminant Analysis (SWLDA), the best set of features was selected. Among these six feature vectors, intelligent segmentation was seen to be most efficient in classification of these signals. In classification phase, two linear classifiers -LDA and SWLDA- were used. The algorithm was described here has tested with dataset II from the BCI competition 2005. In this research, the best result for P300 detection is 97.05% .This result have proven to be more accurate than the results of previous works carried out in this filed. دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنالهای حاوی P300 و فاقد آن، ارائه میشود. این سیستم- که بر روی دادگان P300-Speller مسابقات BCI 2005 کار میکند- از چهار بخش اصلی پیشپردازش، استخراج ویژگی، انتخاب ویژگی و طبقهبند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگیهای مختلف است. در مرحلة استخراج ویژگی، شش دسته ویژگی شامل قطعهبندی هوشمند، ضرایب موجک، الگوهای مکانی مشترک، ویژگیهای شکلی- زمانی، ویژگیهای فرکانسی و دسته ویژگی ترکیبی الگوهای مکانی مشترک و قطعهبندی، تعریف شدند که برخی از این ویژگیها (مانند ویژگیهای قطعهبندی هوشمند، الگوهای مکانی مشترک و ترکیبی) تا کنون یا مستقیماً برای آشکارسازی P300 به کار نرفته بودند و یا در موارد بسیار معدودی از آنها استفاده شده بود. سپس ویژگیها با معیارهای مختلفی به صورت تک تک و گروهی ارزیابی شدند و در نهایت ترکیبی بهینه از مجموع این ویژگیها به طبقهبند SWLDA داده شد. بدین ترتیب درصد صحت تشخیص مؤلفة P300 با این سیستم به 05/97% رسید که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجة برتری است.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220An Experimental Investigation into the use of Ramanspectroscopy for the Diagnosis of Cancerبررسی تجربی استفاده از طیفسنجی رامان در تشخیص سرطان3073161319910.22041/ijbme.2011.13199FAزهره دهقانی بیدگلیدانشجوی دکترای مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرسمحمدحسین میرانبیگیدانشیار، گروه مهندسی پزشکی، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرسرسول ملکفردانشیار، گروه فیزیک، دانشکده علوم پایه، دانشگاه تربیت مدرساحسان اله کبیراستاد، گروه الکترونیک، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس، دانشکده برق و کامپیوترطاهره خامهچیاندانشیار، گروه پاتولوژی پزشکی، دانشگاه علوم پزشکی کاشانJournal Article20150616In this research, we investigated cancerous tissues from several organs of the human body using Raman spectroscopy. Different specimens with different pathologic labels (normal & cancerous) were borrowed from a pathology laboratory, and were investigated using two different Raman spectroscopy systems. Since one of the goals of this investigation was detection of cancer, independent of type of the system, we introduced some algorithms for removing systemic differences from the spectra. Then we removed noise and fluorescence signals using a new wavelet created with LWT. <span>The best classification result was 83% in differentiating between normal and cancerous specimens using the SVM classifier</span>در این تحقیق به بررسی بافتهای سرطانی چندین اندام بدن با استفاده از طیفسنجی رامان لیزری پرداختهایم. در این راستا نمونههای مختلف بافتی با تشخیصهای پاتولوژیک متفاوت (سالم و سرطانی) از یک آزمایشگاه پاتولوژی به امانت گرفته و با دو سیستم طیفسنجی رامان بررسی شدند. از آنجایی که یکی از اهداف این مطالعه مستقل ساختن تشخیص از نوع سیستم طیفسنجی است؛ الگوریتمهایی برای حذف تفاوتهای سیستمیک در طیفهای بدست آمده از دو سیستم، ارائه شده است. پس از آن نوفه و فلورسانس موجود در طیف ها با موجک جدیدی که LWT آنرا ایجاد کرد، حذف و با چند طبقهبند مختلف، طبقهبندی شد. بهترین نتیجه حاکی از تمایز 83% بین نمونة سالم و سرطانی با استفاده از طبقهبند SVM است.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220Image reconstruction in Diffuse Optical Tomography by a High-Order Finite Element Methodبازسازی تصویر در مقطعنگاری نوری پخشی با استفاده از روش المان محدود مرتبه بالا3173261320010.22041/ijbme.2011.13200FAمائده هادینیادانشجوی دکتری مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده برق، دانشگاه خواجه نصیر طوسیرضا جعفریاستادیار گروه مهندسی پزشکی، دانشکده برق، دانشگاه خواجه نصیر طوسیJournal Article20150616This paper presents image reconstruction in Diffuse Optical Tomography (DOT) using a high-order finite element method. DOT is a non-invasive imaging modality for visualizing and continuously monitoring tissue and blood oxygenation levels in brain and breast. Image reconstruction in DOT leads to an inverse problem consisting of a forward problem and an iterative algorithm. The inverse problem in DOT systems is ill posed and depends on the accuracy of the forward problem. An accurate model, that describes the light transmission in tissue is required and can increase the spatial resolution. Using first order finite elements in the forward problem, numerical results are converged to the exact solution with increasing the number of elements. However, increasing the number of elements may cause a critical issue in the ill-posed inverse problem. This paper focuses on applying the high-order finite element method without increasing the number of elements, and image reconstruction is accomplished. The forward problem results are compared with analytical solutions. Images of absorbers reconstructed using this method are presented.<span lang="FA">در این مقاله از روش المان محدود مرتبه بالا برای بازسازی تصویر در</span><span lang="FA">مقطعنگاری نوری پخشی (</span><span dir="LTR">DOT</span><span lang="FA">) استفاده شده است. مقطعنگاری نوری پخشی یک روش تصویربرداری غیرتهاجمی برای تجسم و نمایش پیوستة بافت و میزان اکسیژن خون در مغز و سینه است. بازسازی تصویر در این روش به یک مسأله معکوس منجر میشود که شامل یک مسأله پیشرو و یک الگوریتم تکراری است. مسأله معکوس در سیستم</span><span dir="LTR"></span><span lang="FA">های </span><span dir="LTR">DOT</span><span lang="FA">،</span><span lang="FA"> بدحالت است و دقت حل مسأله معکوس به دقت مسأله پیشرو وابسته است. ارائه مدلی دقیق برای مسأله پیشرو که انتقال نور درون یک بافت با هندسه مشخص را مدلسازی کند و بتواند دقت تفکیکپذیری مکانی را نیز افزایش دهد؛ امری ضروری است. درصورت استفاده از روش المان محدود مرتبه یک در مدلسازی مسأله پیشرو، دقت مسأله پیشرو با افزایش تعداد المانها افزایش مییابد؛ اما بدلیل بدحالتی مسأله معکوس، در افزایش تعداد المانها محدودیت وجود دارد. در این مقاله با استفاده از روش المان محدود مرتبه بالا و بدون افزایش تعداد المانها دقت مسأله پیشرو افزایش یافته است و تصویر در </span><span dir="LTR">DOT</span><span> <span lang="FA">بازسازی شده است. نتایج مسأله پیشرو با جواب تحلیلی مقایسه شده و بازسازی تصویر برای دو نمونة جذبکننده ارائه شده است.</span></span>انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220Optimization of Stimulation Patterns in Paraplegic Walker-Assisted Walking using Functional Electrical Stimulationتعیین الگوهای بهینه تحریک در گام برداشتن با واکر و با استفاده از تحریک الکتریکی عملکردی در افراد دچار ضایعه نخاعی3273361320110.22041/ijbme.2011.13201FAوهاب نکوکاردانشجوی دکتری، آزمایشگاه کنترل عصبی- عضلانی، مرکز فناوری عصبی ایران، دانشکدة مهندسی برق، دانشگاه علم و صنعت ایرانعباس عرفانیان امیدواردانشیار، آزمایشگاه کنترل عصبی- عضلانی، مرکز فناوری عصبی ایران، دانشکدة مهندسی برق، دانشگاه علم و صنعت ایرانJournal Article20150616One major limitation of walker-supported walking using functional electrical stimulation (FES) in paraplegic subjects is the high energy expenditure and the high upper body effort. Paraplegics should exert high amount of hand force to stabilize the body posture and to compensate lack of the sufficient torques at the lower extremity joints. In this paper, we introduce a 2-D musculoskeletal model of walker-assisted FES-supported walking of paraplegics. Using the developed model and an optimal controller, the stimulation patterns are determined such that the tracking errors of lower joint reference trajectories are minimized and the muscle activations and the handle reaction force (HRF) are reduced. Outputs of the optimal controller are stimulation patterns of the lower body muscles and torque acting on the upper body joints. The results show that the HRF and ground reaction force (GRF) generated by simulation are in agreement with the measured HRF and GRF. Moreover, the results indicate that the simulation-generated stimulation patterns of lower body muscles are in consist with the stimulation patterns reported in the literatures.بالا بودن سطح مصرف انرژی متابولیک و نیروی زیاد وارد بر دستة واکر از عوامل محدودکننده در گام برداشتن افراد دچار ضایعه نخاعی با کمک تحریک الکتریکی عملکردی، محسوب میشود. فرد معلول در هنگام گام برداشتن برای حفظ تعادل و جبران کمبود گشتاورهای ایجاد شده در مفصلهای پایینتنه، نیروی زیادی به دستة واکر وارد میکند. در این مقاله یک مدل گام برداشتن فرد دارای ضایعه نخاعی با واکر در صفحه دو بعدی ارائه شده است. با استفاده از این مدل و کنترل بهینه الگوی تحریک عضلات طوری تعیین شدهاند که علاوه بر کمینه بودن خطای ردیابی مسیر مرجع مفصلهای پایینتنه، میزان تحریک الکتریکی عضلات پایینتنه و همچنین نیروی عکسالعمل دستة واکر کمینه باشد. گشتاور لازم برای بالاتنه و دستها نیز بر اساس همین تابع هزینه تعیین میشوند؛ اما مسیر مرجعی برای مفصلهای آنها تعریف نشده است. نتایج نشان میدهد که نیروهای عکسالعمل دستة واکر و زمین با مقادیر اندازهگیری شده، شباهت زیادی دارد و الگوی تحریک عضلات تولید شده در شبیهسازی با الگوهای تحریک گام برداشتن در مطالعات گذشته، مطابقت دارد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20084420110220A survey of Neonatal Brain Atlases based on MR Imagesمروری بر اطلسهای مغزی نوزادان مبتنی بر تصاویر تشدید مغناطیسی3373601320210.22041/ijbme.2011.13202FAحمید ابریشمی مقدماستاد، گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسیمریم مومنیدانشجوی دکترای مهندسی پزشکی،دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسیکامران کاظمیاستادیار، گروه مهندسی برق (مخابرات)، دانشکده مهندسی برق و الکترونیک، دانشگاه صنعتی شیرازراینهارد گرباستاد،گروه بیوفیزیک، دانشکده پزشکی، دانشگاه پیکاردیفابریس والوادانشیار، گروه نوروفیزیولوژی، دانشکده پزشکی، دانشگاه پیکاردیJournal Article20150616Diagnostic follow-up of the brain development during the neonatal period and childhood is an important clinical task. Any disturbance of this process can cause pathological deviations, especially if the baby is born premature. Recent advances in magnetic resonance imaging allow obtaining high-resolution images of the neonatal brain. After segmenting the brains they can be used to reconstruct and model changes occurring during neonatal brain development. In addition such near-realistic model of the head, including the skin, skull and brain can be used to solve the inverse problem of determining the sources of registered signals from electrical brain activity. Although there exist numerous methods and various modeling schemes for adults, these cannot be used directly for neonates due to important differences in morphology. In this review article, neonatal brain atlases are divided into three categories: individual atlases, probabilistic atlases and stochastic atlases. In the following, existing neonatal brain atlases are placed in this classification and their methods of construction are presented. Furthermore, strengths and weaknesses of those neonatal brain atlases are analyzed and finally future research trends in this area are explained.مطالعه فرآیند رشد مغز در دوران نوزادی و کودکی از اهمیت زیادی برخوردار است. زیرا هرگونه اختلال در این فرآیند میتواند سبب بروز بیماری در فرد شود، بویژه اگر نوزاد به صورت نارس بدنیا آمده باشد. پیشرفتهای اخیر در زمینة تصویربرداری تشدید مغناطیسی امکان اخذ تصاویری را با کیفیت و رزولوشن بالا از بافتهای مغزی نوزادان فراهم ساخته است. با ناحیهبندی و استخراج بافتها میتوان به مدلسازی تغییرات در بافت مغزی پرداخت و بر مراحل رشد مغزی نوزادان و کودکان نظارت کرد. از طرف دیگر داشتن یک مدل نزدیک به واقعیت از سر شامل پوست، جمجمه و مغز میتواند در حل دقیقتر مسأله معکوس مکانیابی منبع سیگنالهای مغزی ثبتشده کمک کند و همچنین چگونگی انتشار امواج الکترومغناطیس را در سر نوزادان نشان دهد. در این مقالة مروری، در ابتدا اطلسهای مغز به سه دستۀ اطلسهای مبتنی بر یک فرد، اطلسهای احتمالی و اطلسهای آماری طبقهبندی میشوند. در ادامه اطلسهای مغزی نوزادان در دستهبندیهای مطرح شده، بیان و روش ایجاد و کاربرد هر کدام مطالعه میشود. در پایان ضمن بررسی نقاط ضعف و قوت اطلسهای مغزی ساخته شده برای نوزادان تاکنون به تبیین فعالیتهای جاری و روند تحقیقات آتی در این زمینه میپردازیم.